最近有個(gè)朋友說：“我有種不詳?shù)念A(yù)感，AI編程按照現(xiàn)在這個(gè)速度迭代下去，程序員失業(yè)的日子就在未來幾年?！?/p>

我明白他說的意思，2025年，各個(gè)大廠、小廠的程序員們都在發(fā)瘋似地推出自家的AI編程工具，有股不把自己干掉就誓不罷休的勁頭兒。

AI編程工具效果也越來越好，尤其前端開發(fā)，那理解力和生成的效果讓我驚嘆，后端可能要更安全一些，但以后也不好說。

但是我倒不恐慌，因?yàn)槲矣X得AI編程能不能保持現(xiàn)在的速度持續(xù)迭代，還是要打上幾個(gè)大大的問號(hào)：

這些看起來“嚇人”的工具是不是已經(jīng)觸及了大模型的能力極限？

是不是無論怎么反復(fù)折騰，依然在一個(gè)框框內(nèi)無法突破，依然是個(gè)半吊子的程序員？

這一波AI熱潮的起點(diǎn)是ChatGPT，到現(xiàn)在為止也沒有很大的改變，它的最大問題就是輸出的東西不能保證正確性。

所以你會(huì)看到大模型廠商都得用小字兒“偷偷”聲明：

內(nèi)容由 AI 生成，請(qǐng)仔細(xì)甄別

ChatGPT 也可能會(huì)犯錯(cuò)。請(qǐng)核查重要信息。

服務(wù)生成的所有內(nèi)容均由人工智能模型生成，其生產(chǎn)內(nèi)容的準(zhǔn)確性和完整性無法保證，不代表我們的態(tài)度或觀點(diǎn)

所以，你要膽敢直接把它的回答拿到“正式場(chǎng)合”，“生產(chǎn)環(huán)境”，跌了大跟頭，人家廠商是不負(fù)責(zé)任的。

但是，人工智能這個(gè)“二把刀”在很多場(chǎng)景下確實(shí)能發(fā)揮作用，比如寫個(gè)“八股文”，起草個(gè)“講話稿”，寫一段代碼，查找一下資料，潤(rùn)色一下文章，翻譯一篇英文，簡(jiǎn)直就是一個(gè)神器。

這些場(chǎng)景的最大特點(diǎn)就是，最終都有人站在最后一關(guān)做“終審判決”。

人會(huì)檢查它做得對(duì)不對(duì)，講話稿中領(lǐng)導(dǎo)稱呼錯(cuò)了，改過來就是；生成的圖片背景不對(duì)，重新生成。代碼錯(cuò)了，程序員能改過來。

但人類從來不滿足于一個(gè)“二把刀”。

他們開始野心勃勃地把多個(gè)二把刀串聯(lián)起來，想要搞定更復(fù)雜的任務(wù)。

但是要命的事情來了，即使一個(gè)“二把刀”的準(zhǔn)確率是90%，把10個(gè)“二把刀”串聯(lián)起來，完成一個(gè)復(fù)雜任務(wù)，最后的準(zhǔn)確性一下子降低為34.87%，可以說是慘不忍睹了。

圖片

我們拼命提高一個(gè)二把刀的準(zhǔn)確率，提升到95%，最終的結(jié)果是59.87%，依然不及格。

圖片

如果把二把刀的準(zhǔn)確率提升到99% ，結(jié)果會(huì)好一些：

圖片

但是，如果二把刀再多一些（達(dá)到20個(gè)），準(zhǔn)確率又迅速下跌：

圖片

在計(jì)算機(jī)系統(tǒng)的設(shè)計(jì)中，為了防止一個(gè)組件失效，我們通常會(huì)采用并聯(lián)的方式提高可用性。

圖片

兩個(gè)組件并聯(lián)，可用性計(jì)算方法是：

圖片

假設(shè)一個(gè)組件的可用性是90%，并聯(lián)后的可用性是：

圖片

一下子達(dá)到了99%，提高了很多?。?/p>

人工智能的二把刀能這么干嗎？

不能，因?yàn)闇?zhǔn)確率不等于可用性。

準(zhǔn)確率是一個(gè)“判斷對(duì)不對(duì)”的統(tǒng)計(jì)屬性。兩個(gè)系統(tǒng)可能都犯錯(cuò)，甚至錯(cuò)得一模一樣。

如何提高多個(gè)二把刀的準(zhǔn)確性呢？我在這方面也不是專家，問了一個(gè)朋友，他給我說了一堆方法，比如DyLAN（優(yōu)勝劣汰的競(jìng)爭(zhēng)機(jī)制），就是讓多個(gè)“二把刀”并行解決同一個(gè)問題，然后由一個(gè)決策者評(píng)估每個(gè)“二把刀”的表現(xiàn)，保留好的，淘汰差的......

但是決策者如何自動(dòng)評(píng)估每個(gè)“二把刀”的表現(xiàn)呢？ “決策者”本身也是個(gè)“二把刀”啊！它的正確性怎么保證呢？

可以用多個(gè)決策者，然后再引入一個(gè)決策者的決策者......

這就變成雞生蛋，蛋生雞的問題了....

當(dāng)然，還有其他手段和機(jī)制來提升復(fù)雜AI系統(tǒng)的準(zhǔn)確率，但也是“修修補(bǔ)補(bǔ)”，結(jié)果依然是：

“內(nèi)容由 AI 生成，請(qǐng)仔細(xì)甄別”

人，依然是最終的審判者。

不過沒關(guān)系，AI找到了一個(gè)非常適合自己的領(lǐng)域。

在這個(gè)領(lǐng)域，無數(shù)人不但自己要?jiǎng)?chuàng)作，還要“審判”自己創(chuàng)作的正確性。

這些人被稱為程序員。

他們使用的是一種叫編程語言的東西，相比自然語言，它非常簡(jiǎn)單，非常規(guī)范，用一堆BNF就能精確定義，語法出錯(cuò)了，馬上就能檢查出來。

程序員還非?？犊炎约旱膭趧?dòng)成果都放到了一個(gè)叫做GitHub的地方，AI可以輕松學(xué)習(xí)，量大管飽。

然后，AI就可以干活了， 它可以用多個(gè)Coding Agent來并行生成代碼，然Review Agent來做代碼靜態(tài)分析，找出潛在邏輯缺陷，讓Test Agent自動(dòng)生成測(cè)試，執(zhí)行驗(yàn)證，讓Fix Agent來進(jìn)行多輪修復(fù)，最后再裁決，輸出一份最終結(jié)果。

準(zhǔn)確性怎么辦呢？ 

不用擔(dān)心，反正有程序員最終負(fù)責(zé)。

“我都幫你生成這么多代碼了，審查下正確性又怎么了？”

簡(jiǎn)直是完美。

于是，大量的公司開始向這個(gè)領(lǐng)域發(fā)起沖鋒了，各種各樣的編程助手讓人眼花繚亂。

不過，程序員們也不用擔(dān)心，適應(yīng)變化，密切關(guān)注它的發(fā)展，在這些武器庫中挑選自己趁手的工具就行了。

如果真有那么一天，AI把程序員都能替換掉了，它肯定也把無數(shù)行業(yè)的人都替換掉了。